實數(shù)遺傳算法求解優(yōu)化問題研究.pdf

1、實數(shù)遺傳算法研究是智能優(yōu)化方法中一個重要的研究方向，它的提出是建立在自然選擇和遺傳學(xué)原理基礎(chǔ)之上，是求解函數(shù)優(yōu)化問題的重要方法之一。雖然實數(shù)遺傳算法在理論和應(yīng)用等方面都取得了巨大成功，但仍存在許多不足之處有待進一步的完善和提高。通過對現(xiàn)有的關(guān)于實數(shù)遺傳算法的文獻學(xué)習和探討，發(fā)現(xiàn)實數(shù)遺傳算法主要存在如下缺陷:
　　(1)實數(shù)遺傳算法在進行交叉和變異操作時，上一代產(chǎn)生的優(yōu)秀個體極易遭到破壞，一般算法采用精英保留的策略來防止這一現(xiàn)象出現(xiàn)

2、，卻又降低了種群的多樣。如何使種群多樣性得到保證的同時還使父本中的優(yōu)秀個體不遭到破壞成為一個亟待研究的問題。
　　(2)實數(shù)遺傳算法最基本的交叉算子是算數(shù)交叉算子和啟發(fā)式交叉算子兩種，都無法使子代個體跳出父本對取值范圍的約束，限制了實數(shù)遺傳算法搜索能力的可拓展性。
　　(3)實數(shù)遺傳算法在求解約束優(yōu)化問題時，常以懲罰函數(shù)的形式進行，但其中懲罰因子選擇的合理與否嚴重影響算法的尋優(yōu)性能，并且針對不同的實際問題懲罰因子值也各不相同

3、，導(dǎo)致最佳懲罰因子的值很難確定。
　　針對實數(shù)遺傳算法存在的上述缺陷，對實數(shù)遺傳算法進行了改進，將動態(tài)步長的思想引入到實數(shù)遺傳算法的交叉操作中。最后根據(jù)約束優(yōu)化這類問題的特點將改進后的實數(shù)遺傳算法進行了調(diào)整，提出了一種新實數(shù)遺傳算法——非可行個體收縮法，應(yīng)用到約束優(yōu)化問題的求解中。本文采用了理論分析與實驗驗證相結(jié)合的研究思想，采用與傳統(tǒng)實數(shù)遺傳算法相比較的方法對改進后的實數(shù)遺傳算法的有效性進行了測試評估。本文對實數(shù)遺傳算法的研究對

4、遺傳算法的完善和發(fā)展具有一定的推動作用，取得的主要研究成果有:
　　(1)為約束優(yōu)化問題初始種群的生成提出了一種新方法。
　　針對約束優(yōu)化問題，基本遺傳算法常用隨機的方式來生成初始種群，這導(dǎo)致在求解復(fù)雜約束優(yōu)化問題時產(chǎn)生初始種群耗去大量的時間。本文提出的初始種群的方法，綜合應(yīng)用了罰函數(shù)、梯度搜索和非可行個體修復(fù)的策略。首先通過梯度搜索法確定第一個可行內(nèi)點，然后通過修復(fù)策略產(chǎn)生后續(xù)可行個體，使初始種群的產(chǎn)生速度得到了很大的提高

5、。
　　(2)在交叉操作中引入了梯度搜索和動態(tài)步長的思想。
　　本文在實數(shù)遺傳算法進行交叉操作的過程中引入了梯度搜索的思想，以個體適應(yīng)度值為評價指標動態(tài)確定交叉因子的值，保證了交叉產(chǎn)生的新個體分布在優(yōu)秀父本個體附近的概率變大，同時變步長的思想能夠促進子代個體跳出父本的范圍約束，而且產(chǎn)生的新個體不會劣于父本個體，提高了算法的尋優(yōu)效率。
　　(3)在約束優(yōu)化問題中引入了非可行個體修復(fù)的策略。
　　針對約束優(yōu)化問題，為